Detail předmětu

Statistika

FP-statPAk. rok: 2020/2021

Pro používání statistických dat je nezbytné pochopení vyjadřovacích prostředků statistiky. Bez zvládnutí principů zkoumání závislostí a měření ukazatelů nelze správně navrhovat ani používat výsledky statistických šetření. V předmětu studenti získají základní znalosti z náhodných veličin, matematické statistiky, regresní analýzy a časových řad a budou schopni je aplikovat v ekonomických problémech. Po absolvování předmětu budou připraveni pro studium ekonomických předmětů, uvažujících náhodu. Důraz je kladen na pochopení možností těchto metod a na interpretaci výsledků.

Jazyk výuky

čeština

Počet kreditů

5

Zajišťuje ústav

Výsledky učení předmětu

Studenti získají základní znalosti z náhodných veličin, indexní analýzy, matematické statistiky, regresní analýzy a časových řad a budou schopni je aplikovat v ekonomických problémech. Po absolvování předmětu budou připraveni pro studium ekonomických předmětů, uvažujících náhodu.

Prerekvizity

Základy lineární algebry a matematické analýzy.
Množiny, množinové operace, pojmy z kombinatoriky, faktoriál, limita, číselná řada, derivace, integrál.

Plánované vzdělávací činnosti a výukové metody

Výuka probíhá formou přednášek, které mají charakter výkladu základních principů, metodologie dané disciplíny a problémů. Hlavní důraz je položen na vysvětlení podstaty jednotlivých metod a jejich obecných vlastností Cvičení podporují zejména praktické ovládnutí látky vyložené na přednáškách.

Způsob a kritéria hodnocení

V případě, kdy bude možné absolvovat testy na fakultě:
ZÁPOČET: Zápočet je udělen na základě:
- bodů za testy
- testy není možné opravovat
ZKOUŠKA: Zkouška je písemná či ústní, skládá se z teorie (čas zhruba 20 minut)
Známka, odpovídající součtu (max 100 bodů), sestává:
- z bodů za testy (70 bodů)
- z bodů za zkoušku (30 bodů)
- je kladen požadavek na minimální bodový zisk u zkoušky i u zápočtu
Známky a jim odpovídající body:
A (100-90), B (89-80), C (79-70), D (69-60), E (59-50), F (49-0)

V případě distanční výuky, kdy nebude možné napsat testy na fakultě v průběhu semestru:
- zápočet i zkouška budou řešeny na základě toho, jak dlouho bude udržena prezenční forma výuky
- snahou bude, aby bylo možné zápočtové testy realizovat prezenčně na fakultě (i kdyby se výuka odehrávala online) třeba i v rámci jednoho dne na konci semestru
- pokud by musela být zkouška i zápočtové testy distanční, pak by se konal zřejmě 1 souhrnný zápočtový test a pak ústní zkouška přes Microsoft Teams s tím, že bodové hodnocení by bylo upraveno.

Individální studijní plán:
Získání zápočtu: absolvování souhrnného zápočtového testu s hodnocením alespoň E.
Zkouška je písemná či ústní, skládá se z teorie (čas zhruba 20 minut)
Známka, odpovídající součtu (max 100 bodů), sestává:
- z bodů za testy (70 bodů)
- z bodů za zkoušku (30 bodů)
- je kladen požadavek na minimální bodový zisk u zkoušky i u zápočtu
Známky a jim odpovídající body:
A (100-90), B (89-80), C (79-70), D (69-60), E (59-50), F (49-0)

Osnovy výuky

Studenti získají základní znalosti z náhodných veličin, indexní analýzy, matematické statistiky, regresní analýzy a časových řad a budou schopni je aplikovat v ekonomických problémech. Po absolvování předmětu budou připraveni pro studium ekonomických předmětů, uvažujících náhodu.
1. Náhodné jevy: pravděpodobnost a její vlastnosti, podmíněná pravděpodobnost, klasická pravděpodobnost.
2. Náhodné jevy: nezávislost jevů, úplná pravděpodobnost.
3. Náhodné veličiny: náhodné veličiny diskrétního a spojitého typu, charakteristiky a zákony rozdělení náhodných veličin.
4. Náhodné veličiny: rozdělení binomické, hypergeometrické, geometrické, Poissonovo.
5. Náhodné veličiny: rozdělení normální a exponenciální.
6. Matematická statistika: zpracování a vyhodnocování jednorozměrných datových souborů kvantitativního znaku.
7. Matematická statistika: bodové a intervalové odhady parametrů znaku základního souboru.
8. Matematická statistika: testy statistických hypotéz.
9. Indexní analýza: individuální a agregátní indexy, Laspeyresovy a Paascheovy indexy.
10. Regresní analýza: metoda nejmenších čtverců, regresní přímka.
11. Regresní analýza: speciální regresní funkce.
12. Časové řady: charakteristiky časových řad, rozklad časové řady,
13. Časové řady: určení trendu v časové řadě.

Učební cíle

Cílem předmětu je seznámit studenty se základními pojmy náhodných veličin, matematické statistiky, regresní analýzy a časových řad, tak, aby byli schopni studovat ekonomické předměty, pracující s náhodou, a řešit pomocí uvedených metod problémy těchto předmětů.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Účast na přednáškách a cvičeních není povinná ale doporučuje se.

Základní literatura

KROPÁČ, J. Statistika A. 5. vyd. CERM, Brno. 2013. ISBN 978-80-7204-835-9.
SEGER, J. aj. Statistické metody v tržním hospodářství. Praha : Victoria Publishing, 1995. ISBN 80-7187-058-7.

Doporučená literatura

HINDLS, R. aj. Analýza dat v manažerském rozhodování. Praha : Grada Publishing, 1999. ISBN 80-7169-255-7.
SWOBODA, H. Moderní statistika. Praha : Svoboda, 1977.

eLearning

Zařazení předmětu ve studijních plánech

  • Program BAK-EP bakalářský, 2. ročník, zimní semestr, povinný
  • Program BAK-PM bakalářský, 2. ročník, zimní semestr, povinný
  • Program BAK-UAD bakalářský, 2. ročník, zimní semestr, povinný

Typ (způsob) výuky

 

Přednáška

13 hod., nepovinná

Vyučující / Lektor

Osnova

1. Náhodné jevy: pravděpodobnost a její vlastnosti, podmíněná pravděpodobnost, klasická pravděpodobnost
2. Náhodné jevy: nezávislost jevů, úplná pravděpodobnost.
3. Náhodné veličiny: náhodné veličiny diskrétního a spojitého typu, charakteristiky a zákony rozdělení náhodných veličin,
4. Náhodné veličiny: rozdělení binomické, hypergeometrické, geometrické, Poissonovo,
5. Náhodné veličiny: rozdělení normální a exponenciální.
6. Matematická statistika: zpracování a vyhodnocování jednorozměrných datových souborů kvantitativního znaku,
7. Matematická statistika: bodové a intervalové odhady parametrů znaku základního souboru,
8. Matematická statistika: testy statistických hypotéz.
9. Indexní analýza: individuální a agregátní indexy, Laspeyresovy a Paascheovy indexy.
10. Regresní analýza: metoda nejmenších čtverců, regresní přímka,
11. Regresní analýza: speciální regresní funkce.
12. Časové řady: charakteristiky časových řad, rozklad časové řady,
13. Časové řady: určení trendu v časové řadě.

Cvičení

26 hod., nepovinná

Vyučující / Lektor

Osnova

1. Náhodné jevy: pravděpodobnost a její vlastnosti, podmíněná pravděpodobnost, klasická pravděpodobnost
2. Náhodné jevy: nezávislost jevů, úplná pravděpodobnost.
3. Náhodné veličiny: náhodné veličiny diskrétního a spojitého typu, charakteristiky a zákony rozdělení náhodných veličin,
4. Náhodné veličiny: rozdělení binomické, hypergeometrické, geometrické, Poissonovo,
5. Náhodné veličiny: rozdělení normální a exponenciální.
6. Matematická statistika: zpracování a vyhodnocování jednorozměrných datových souborů kvantitativního znaku,
7. Matematická statistika: bodové a intervalové odhady parametrů znaku základního souboru,
8. Matematická statistika: testy statistických hypotéz.
9. Indexní analýza: individuální a agregátní indexy, Laspeyresovy a Paascheovy indexy.
10. Regresní analýza: metoda nejmenších čtverců, regresní přímka,
11. Regresní analýza: speciální regresní funkce.
12. Časové řady: charakteristiky časových řad, rozklad časové řady,
13. Časové řady: určení trendu v časové řadě.

eLearning